Publicado: Oct 30, 2023
O Amazon SageMaker agora oferece suporte a trabalhos geoespaciais do Processing, tornando mais fácil para os cientistas de dados e engenheiros de machine learning executarem workloads de machine learning em escala planetária. Para executar essas workloads em grande escala, os clientes precisam de um cluster de computação flexível que possa escalar de dezenas de instâncias para processamento de um quarteirão urbano a milhares de instâncias para processamento em escala planetária. O gerenciamento manual de um cluster de computação DIY é lento e caro. Além disso, criar e manter um ambiente padronizado para acessar, processar e visualizar dados geoespaciais é complexo, demorado e caro.
Com esse lançamento, os clientes agora podem usar o contêiner geoespacial desenvolvido especificamente pelo SageMaker com trabalhos do Processing para uma experiência simplificada e gerenciada de criar e executar um cluster. O contêiner geoespacial padronizado e desenvolvido especificamente pelo SageMaker permite acessar um catálogo de dados geoespaciais, processar os dados com algoritmos de código aberto ou modelos de machine learning pré-treinados, visualizar previsões em um mapa e colaborar com outros membros da equipe. Com apenas algumas linhas de código, você pode aumentar a escala horizontalmente de suas workloads geoespaciais com os trabalhos do SageMaker. Você simplesmente especifica um script que define sua workload, a localização de seus dados geoespaciais no Amazon Simple Storage Service (Amazon S3) e o contêiner geoespacial. O SageMaker Processing provisiona recursos de cluster para você executar workloads de machine learning geoespaciais em escala urbana, rural ou continental.
O suporte para a imagem geoespacial nos trabalhos do SageMaker Processing agora está disponível na região Oeste dos EUA (Oregon).
Para saber mais sobre os recursos geoespaciais de machine learning, acesse a página da Web ou leia documentação.